考虑绿色氢能证书和水电制氢的综合能源系统优化运行

利用清洁能源发电富余电力电解水制氢,绿色氢能实现了生产源头的二氧化碳零排放,在全球能源转型中扮演着重要角色。针对绿色氢能证书市场机制不健全等问题,该文提出一种考虑绿色氢能证书组合双向拍卖和水电制氢的综合能源系统优化运行方法。首先,为解决园区内绿色氢能证书价格和数量匹配不均衡的问题,提出绿色氢能证书组合双向拍卖(combinatorial double auction,CDA)交易机制竞价模型;其次,建立含水电制氢的综合能源系统优化模型,并将绿色氢能证书组合双向拍卖机制引入其中;最后,以某省含水电制氢的综合能源系统为例进行仿真分析,结果表明所提模型不仅能有效提高综合能源系统(integrated energy system,IES)的运行经济性,也能提升可再生能源的消纳量。

基于碳捕集-电转气的矿区综合能源系统协同优化调度

“双碳”战略目标下,为促进风光消纳与能源电力低碳转型、提高矿区能源利用率,提出一种含伴生能源和碳捕集与电转气耦合的矿区综合能源系统低碳经济调度模型。首先,综合考虑瓦斯、乏风、涌水等矿区伴生能源利用,建立矿区综合能源系统基本模型,并以碳捕集和电转气设备为耦合单元,促进节能减排与可再生能源消纳。然后,引入奖惩阶梯式碳交易机制,以矿区综合能源系统运行成本最小为目标,建立矿区综合能源系统协同优化调度模型。最后,以中国云南某大型煤矿为例,通过设置不同场景进行仿真分析。结果表明,所提模型能够促进矿区综合能源系统低碳经济运行,提高风光消纳率。

含CCUS和P2G的综合能源系统分布式鲁棒优化调度

在双碳战略背景下,综合能源系统成为探索可再生能源低碳高效利用及多能耦合的主要途径。为兼顾综合能源系统在低碳优化时的稳定性和经济效益,提出了一种含碳捕集、利用与封存-电转气协同运行的综合能源系统分布式鲁棒低碳优化策略。首先,对电转气过程精细化建模,研究氢能的多方面效益,建立CHP-CCUS-P2G耦合模型,并引入阶梯式碳交易机制,提出一种基于阶梯式碳交易机制的CHP-CCUS-P2G低碳经济调度方法;其次,考虑风光出力的不确定性,以调度系统中可用的历史数据为基础,构建数据驱动下min-max-min的两阶段鲁棒调度模型,采用1-范数和∞-范数约束场景概率分布模糊集;最后,基于列约束生成算法对模型反复迭代求解。算例仿真结果表明,上述模型提高了IES的风光消纳率和经济性,并降低了系统碳排放量。

基于APSO-SSD-SVD的特高压换流站OLTC振动信号降噪方法

随着中国特高压交直流换流站的大规模投运,有载分接开关(on-load tap changer, OLTC)已成为特高压换流站中发生故障较多的设备之一。针对强背景噪声环境下特高压换流站OLTC故障特征难以提取的问题,提出一种基于自适应粒子群算法优化奇异谱分解和奇异值分解的方法。首先,利用自适应粒子群优化(adaptive particle swarm optimization, APSO)算法对奇异谱分解算法中的模态参数进行优化,选取最优分解模态数。其次,基于最大峭度准则选取最佳奇异谱分量。然后,确定最佳重构阶数,通过奇异值分解重构信号,从而达到信号降噪的目的。将所提方法应用于仿真信号和实验信号,结果表明所提方法的信噪比达到23.302,均方根误差仅为0.004,并且波形相似参数高达0.998,优于其他降噪方法。所提方法能够更有效地实现对特高压换流站OLTC振动信号的降噪,为辅助运维人员诊断OLTC状态提供参考。

结合车主期望的充换电站辅助调频策略

随着可再生能源的高渗透与新型电力系统构架的不断完善,电动汽车既可作为可控负荷,也可作为分布式电源,具有优良的调频特性。为此,提出了一种结合车主期望的充换电站辅助调频策略。首先,基于入/离网时间、入网/期望荷电状态量、电动汽车充放电限制等车主期望建立电动汽车充/放电能力评估模型。其次,结合电动汽车充/放电能力与有功-频率特性曲线建立电动汽车双层控制的调频模型。最后,考虑电网侧和车主侧的需求,提出充换电站参与电网调频策略。仿真结果表明,所提控制策略在满足车主期望及电动汽车自身限制的情况下可有效调节电网频率、提高电网安全稳定运行水平及灵活性。

含废旧矿井抽蓄电站的源-荷-储协同控制调频研究

针对新能源在电网中渗透率不断提高导致系统调频容量和频率响应能力不足的问题,提出一种含废旧矿井抽蓄电站的源-荷-储协同控制调频方法。首先,建立了电解铝工业负荷、废旧矿井抽蓄电站和超级电容频率响应模型。然后,基于模型预测控制理论,以系统状态量和控制量的加权函数最小为目标,设计区域信息互动的分布式模型预测控制器,并提出含废旧矿井抽蓄电站的源-荷-储协同控制调频方法。最后,将分布式模型预测控制器应用在所提源-荷-储协同控制方法中,并在改进的IEEE标准两区域LFC模型中进行仿真。结果表明所提方法可以缩短频率恢复时间,减小最大频差值,改善系统调频动态性能。

基于混合分解和PCG-BiLSTM的风速短期预测

为降低风速的随机性对风力发电的影响,提高风速短期预测的精准度,提出一种基于混合分解、双通道输入、多分支PCG-BiLSTM深度学习模型的短期风速预测方法。首先,将全年风速数据分为春、夏、秋、冬4个季度,选取春季作为主要实验对象;其次,利用奇异谱分解(SSD)和变分模态分解(VMD)以降低原始春季风速数据复杂度,生成具有不同模态且复杂度低的子分量,两种不同模式子分量组合为混合分量,实现不同模式分解算法的优势互补;最后,将混合分量以双通道的形式输入到多分支PCG-BiLSTM深度学习模型中,其模型的每个分支由卷积神经网络(CNN)与门控循环单元(GRU)并联组成时空特征提取模块,用于提取两种分解分量组合的混合分量的时空特征,各分支提取对应混合分量的时空特征经聚合后再由双向长短期记忆网络(BiLSTM)进一步提取风速信号的正向和反向双向波动规律,进而得到最终的风速预测结果。多组实验结果表明:提出的组合预测方法在短期风速预测中具有较高的精度和泛化能力,优于其他传统预测方法。

基于动态工况实测数据图像和深度学习的锂电池容量估计方法

针对实际应用中基于动态工况下电池状态参数的片段数据进行电池健康状态(state of health,SOH)实时估计的问题,提出基于动态工况下锂离子电池状态参数(电压、电流、温度)实测数据二维特征图像和深度学习的锂离子电池容量估计算法。首先,将动态工况下电池状态参数监测量(电压、电流和温度)的片段数据转化为二维特征图像。其次,提出基于残差卷积神经网络(residual convolutional neural network,Res-CNN)和门控循环单元(gate recurrent unit,GRU)网络结合的多通道深度学习模型Res-CNN-GRU,以构建动态工况下电池状态参数特征图像和SOH之间的复杂非线性关系,其中电压、电流和温度的二维特征图像以三通道的方式输入到Res-CNN-GRU模型中,模型输出为对应电池的相邻参考充放电循环实验所获得容量的差值。研究结果表明:此方法在锂电池随机充放电工况下对电池健康状态估计效果更佳,且Res-CNN-GRU模型的泛化性和全局特征提取能力较强。论文研究为现实工况下电池健康状态估计的进一步深入研究提供了参考。

基于多模式分解和多分支输入的光伏功率超短期预测

针对光伏发电功率随机性强、波动性大导致其预测精度不高的问题,提出一种基于自适应近邻传播聚类(adaptive affinity propagation clustering,adAP)、多模式分解、多分支输入组合的光伏功率预测方法。首先,基于相关性分析找到与光伏发电功率高度相关的气象因素,并利用快速傅里叶变换(fast Fourier transform,FFT)将光伏输出功率从时域转换到频域,与相关度高的气象因素一起作为adAP算法的聚类特征,对具有相似气象特征的日场景进行分类;其次,对聚类相似日较少且输出功率波动剧烈天气类型中的气象相关因素和光伏输出功率添加高斯白噪声,并将其与原始数据合并,达到倍增样本的效果,以提升模型的泛化能力和鲁棒性;然后,使用变分模态分解(variational mode decomposition,VMD)、奇异谱分解(singular spectrum decomposition,SSD)和群分解(swarm decomposition,SWD)对光伏功率、辐照度和温度进行分解,削弱原始序列的波动性,丰富模型的输入特征;最后,搭建多分支的残差网络(residual network,ResNet)和长短期记忆网络(long short term memory network,LSTM)模型,提取数据的时间特征和波动特征,合并后输入到门控循环单元网络(gated recurrent unit network,GRU)中,建立历史特征和未来光伏输出功率的联系,得到预测结果。实验结果表明,所提出的多模型组合预测方法在光伏功率波动较缓天气情况下,能够保持较高的预测精度;在波动剧烈天气情况下,能够较大地提升预测精度。

基于MBI-PBI-ResNet的超短期光伏功率预测

为了增强光伏并网的稳定性,提高光伏发电功率预测精度,提出一种基于相似日聚类、群分解(swarm decomposition, SWD)和MBI-PBI-Res Net深度学习网络模型的光伏发电功率超短期预测方法。首先,使用快速傅里叶变换(fast fourier transform, FFT)提取太阳辐照度的期望频率,将其作为聚类特征向量,并根据此聚类特征向量采用自适应仿射传播聚类(adaptive affinity propagation clustering, AdAP)实现相似日聚类。其次,对每一类相似日分别使用群分解算法进行分解,以提取原始数据的多尺度波动规律特征。最后,利用MBI-PBI-Res Net来实现对天气环境多变量关联影响下的时序特征挖掘以及对多尺度分量的局部波形空间特征和长时间依赖时序特征的同时挖掘,并对不同类型特征进行综合集成来实现光伏发电功率超短期预测。研究结果表明:所提方法在光伏发电功率超短期预测领域相较于其他深度学习方法预测精度提高了3%以上,说明此方法在光伏发电功率超短期预测领域具有较高的预测精度和较强的泛化能力。

知识图谱在输变电设备运维中的应用

对输变电设备海量数据进行有效利用和管理是新型电力系统信息化发展的重要方向,挖掘电网输变电设备运维数据,并感知其运行态势,可保障输变电设备安全稳定的运行。该文将知识图谱引入输变电设备运维领域,分析输变电设备运维的数据情况和现存问题;介绍输变电设备数据融合聚类技术和运维知识图谱的构建技术;结合输变电设备运维特性,总结知识图谱在输变电设备运维中的典型应用场景;分析当前研究热点,探讨知识图谱在输变电设备运维领域的关键问题,并展望该领域的发展前景。运用知识图谱,在提高企业维修效率的同时,还能降低人力成本。

考虑碳捕集和电转气的综合能源系统优化调度

碳捕集、电转气等低碳技术是实现能源系统低碳经济运行的重要途径和主要抓手。鉴于此,构建了一种含碳捕集、利用与封存装置,两段式电转气设备及热电联产机组耦合的综合能源系统低碳经济调度模型。在技术层面,分别构建碳捕集、利用与封存,两段式电转气及热电联产数学模型;在市场机制层面,引入阶梯式碳交易模型约束系统碳排放。提出了以综合能源系统运行总成本最小为目标函数的优化调度策略。通过设置多个场景进行算例分析,验证了所提模型的有效性,并分析了各阶梯碳交易机制参数灵敏性对综合能源系统低碳性及经济性的影响。

基于多尺度时间序列块自编码Transformer神经网络模型的风电超短期功率预测

风电超短期功率预测过程中对时间依赖性的有效捕捉与建模,将直接影响风电功率时间序列预测模型的稳定性和泛化性。为此,提出一种新型时序Transformer风电功率预测模型。模型架构在逻辑上分为时间块自编码、隐空间Transformer自注意力时序自回归、随机方差缩减梯度(stochastic variance reduce gradient,SVRG)优化3个部分。首先,依稀疏约束及低秩近似规则,风电功率时空数据被半监督映射至隐空间;其次,隐空间编码经由多头自注意力网络完成时序自回归预测;最后,模型采用方差缩减SVRG优化算法降低噪声,达到更高预测效能。实验结果表明,所提新型Transformer架构能稳定有效进行超短期风电功率预测,预测结果在准确性、泛化性方面相较于传统机器学习模型都有明显提升。

考虑碳-绿证联合交易的跨境综合能源系统协同运行优化

针对相邻国家能源市场机制不同、多边协同调度难度大等问题,提出一种考虑碳-绿证联合交易的跨境综合能源系统协同运行优化方法。根据不同国家综合能源系统所处位置,提出考虑热网、电网损耗的跨境综合能源系统模型。在充分考虑跨境能量流动与转化的基础上,引入跨境绿证、碳交易,建立考虑碳-绿证联合交易的跨境综合能源系统协同优化模型。基于所建模型的仿真结果分析表明,在跨境综合能源系统中引入碳、绿证交易可减少不同国家的综合能源系统运行成本,同时提高能源优化配置与可再生能源消纳量。

基于用户特征聚类的综合能源套餐推荐方法

针对庞大的综合能源用户群体在购买能源服务套餐时难以选择的问题,提出一种基于用户特征聚类的综合能源套餐推荐方法,以提高用户粘性。首先,将收集的综合能源用户信息进行知识图谱构建,对缺失的用户信息进行补充完善,同时分析用户之间的关系。然后,采用谱聚类的方法对构建好的用户知识图谱进行图谱分割聚类,进行用户之间的相似度计算,提取代表综合能源用户用能行为多样性的兴趣特征。最后,通过随机森林模型计算综合能源用户对各能源服务套餐的预测评分,将预测评分进行排序后,取评分最高的部分套餐通过线上平台为用户呈现套餐服务内容,实现对用户的精准推荐。将所提套餐推荐模型与传统推荐模型进行比较分析,结果表明基于用户特征聚类的综合能源套餐推荐方法能够为综合能源服务公司实现有效的用户精准化能源服务推荐,有利于提升能源服务公司的市场竞争力,同时为电力企业向综合能源服务提供商转型提供技术支撑。

风-铝联合系统协同频率控制策略研究

对于含有大规模新能源接入的联网型高耗能工业电网,新能源功率波动势必造成联络线功率波动以及额外备用容量费用,不利于工业电网经济运行。为深入挖掘源荷两侧调频资源,基于IEEE标准两区域模型,提出一种考虑风-铝联合的源荷协同频率控制策略。首先,基于自饱和电抗器建立电解铝负荷有功功率消耗与直流电压的耦合关系模型。其次,基于电解铝负荷特性提出一种电解铝参与的电网辅助调频策略。同时考虑风机惯性控制的快速频率响应能力,将电解铝负荷与风电机组调频手段结合,联合参与系统频率调节。最后,仿真验证了所提控制策略能有效抑制孤立电网的频率波动,使电力系统具有更强的抗干扰性和更快的动态响应。

计及三相不平衡的有源配电网重构

针对单相光伏的大量接入引起配电网运行的三相不平衡、线路有功损耗增大问题,提出以有功损耗和三相不平衡度为目标函数,构建基于三相电流注入法的配电网动态重构模型,采用大M法对节点电压方程进行松弛,避免断开线路的约束条件对模型的影响,并采用多边形内近似法将非线性约束线性化。通过修改的IEEE 33节点配电系统的分析计算,验证了算法的有效性,提高了算法的求解效率和求解精度。

渤、黄海天文潮—风暴潮相互作用及其对极值水位的贡献

基于Delft3D模型建立了中国渤、黄海风暴潮数值模型,选取1979—2020年影响该海域的93场风暴过程(包括台风、寒潮和温带气旋),模拟了所产生的风暴增水和风暴潮总水位。采用泊松—皮尔逊复合极值分布理论,推算了渤、黄海对应不同重现期的极值水位;通过数值试验,对天文潮—风暴潮非线性相互作用对极值水位的贡献进行了量化分析。研究结果表明,渤海的莱州湾、渤海湾,以及黄海的江华湾、西朝鲜湾风暴增水最大,其中江华湾北侧和渤海湾西南侧的百年一遇风暴增水可达4 m;天文潮—风暴潮非线性相互作用在潮差较大、水深较浅的河口、湾顶区域更为显著,与耦合模型结果相比,非线性作用使极值水位值偏小,天文潮、风暴潮增水的线性叠加可显著高估极值水位,高估的幅值可达0.5~0.8 m。考虑重现期极值水位是海岸灾害防护工程的关键设计参数之一,对海岸构筑物的安全和建造成本影响极大,应重视天文潮—风暴潮非线性相互作用对重现期水位的影响。

基于过采样和随机森林的高压隔离开关发热故障诊断

针对高压隔离开关发热故障引发的电网安全问题,提出了基于Kmeans-Smote过采样、特征选择和随机森林(random forest,RF)的故障诊断方法。首先,抽取可能影响发热的内外部因素,并进行特征可测量映射;针对样本不平衡的问题,提出Kmeans-Smote的过采样技术。然后,提出基于RF的发热故障诊断模型,以及基于Gini指数的特征重要度分析方法。最后,在实际的数据上验证模型的有效性,发现产品缺陷、运行年限、天气、温度、海拔等是引起隔离开关发热的最重要因素;RF模型比其他模型取得更好的识别性能,过采样能够均衡小样本故障,提升模型的性能。

基于改进粒子群优化XGBoost的变压器故障诊断方法

变压器作为电网传输和变换电能的主要设备,对DGA数据进行异常分析,可为变压器故障诊断提供理论依据。鉴于此,文中提出了基于DGA和IPSO-XGBoost的变压器故障诊断方法。首先,将特征气体划分为无编码比值作为特征参量输入极端梯度提升(XGBoost)模型,提出了基于XGBoost的变压器故障诊断模型;其次,通过动态调整惯性权重和加速因子对粒子群算法(PSO)进行改进,并利用改进的粒子群算法(IPSO)对XGBoost的关键参数进行迭代优化;最后,随机抽取1614例故障类型已知的DGA数据进行算例分析。结果表明:相比于其它传统机器学习分类模型,XGBoost的变压器故障诊断正确率更高,且与传统PSO算法相比,所提方法可以更好克服粒子群寻优速度慢和易陷入局部最优等问题,可为变压器安全稳定运行提供有力保障。